检索结果-南通市图书馆

基于CBAM-InceptionV2-双流cnn的风电机组轴承故障诊断

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

智慧电力 2023年第6期51卷 28-33页

作者：李俊卿马亚鹏胡晓东马志鹏王罗何玉灵张承志华北电力大学电力工程系河北保定071000 太原重工股份有限公司山西太原030000 中国长江三峡集团有限公司湖北武汉430010 华北电力大学机械工程系河北保定071000

针对风电机组轴承故障诊断中经典一维卷积神经网络和二维卷积神经网络准确率低的问题,将一维原始振动信号和二维时频图相融合,构建基于CBAM-InceptionV2-双流cnn的滚动轴承故障诊断方法。首先,通过快速傅里叶变换和小波变换,将原始振动... 详细信息

针对风电机组轴承故障诊断中经典一维卷积神经网络和二维卷积神经网络准确率低的问题,将一维原始振动信号和二维时频图相融合,构建基于CBAM-InceptionV2-双流cnn的滚动轴承故障诊断方法。首先,通过快速傅里叶变换和小波变换,将原始振动信号转化为一维数据和二维时频图;其次,构建基于CBAMInceptionV2-双流cnn模型;最后,将提取到的双层特征信息进行融合,并输入到Softmax完成故障分类。实验结果表明,所提模型能够显著地提升轴承故障诊断的准确性。

关键词： CBAM注意力机制 InceptionV2 双流cnn 故障诊断快速傅里叶变换小波变换

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于双流cnn的异常行为分类算法研究

基于双流CNN的异常行为分类算法研究

作者：王昕培哈尔滨工业大学

学位级别：硕士

随着人们对公共安全的关注以及监控设备的普及,通过人力对监控视频中的人体行为进行分类存在着效率低、成本高、误检率高等问题,如何高效、准确地对视频中的人体动作进行分类,从而分析视频中是否有异常行为是计算机视觉方向一个重要的... 详细信息

随着人们对公共安全的关注以及监控设备的普及,通过人力对监控视频中的人体行为进行分类存在着效率低、成本高、误检率高等问题,如何高效、准确地对视频中的人体动作进行分类,从而分析视频中是否有异常行为是计算机视觉方向一个重要的研究课题。本文基于双流卷积神经网络,运用光流图像和彩色图像作为网络输入,进行动作分类和异常行为分类。相较于应用特定的人工提取特征,卷积神经网络学习能力强,但是需要大量训练数据,而且容易造成过拟合。为了解决这些问题,我们需要对图像样本进行信息增益,并适当调整网络结构,以便在异常行为分类任务上获得较好的效果。本文针对异常行为分类任务,通过整合不同数据集,构建了涵盖生活中常见动作和异常动作的视频数据集。在特征表示方面,选用光流法来表达视频动态信息,针对传统光流计算慢、空帧多等缺点,提出了自适应光流法来准确地表示运动时序信息,并通过对多帧光流图像进行叠加获得动作的动态趋势信息。由于异常行为分类任务复杂、数据样本缺乏,我们使用随机裁剪、翻转等信息增益方式来增加样本数量、防止网络的过拟合。在网络模型方面,加深原有的双流cnn网络层次,通过调整超参数、改变网络结构等具体方式,来增强网络的学习能力和泛化能力,以提高异常行为分类的准确率。最后,本文比较了改进后的网络模型和原有模型以及人工提取特征在异常行为分类任务上的效果,并且定义不同环境下的异常行为类别,最终达到针对不同环境中的异常行为进行分类的目的。

关键词：深度学习双流cnn 自适应光流异常动作分类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的人体动作识别方法研究

基于深度学习的人体动作识别方法研究

作者：戴江涛沈阳工业大学

学位级别：硕士

在现代生产生活中非接触人机交互已经成为一种不可忽视的交互方式,尤其在当前疫情条件下,更突显了它的重要性。对人体动作进行视觉信息采集、识别、分类是这种交互方式的重要实现方法。其中基于人体骨骼点进行动作识别是一种高效的识别... 详细信息

在现代生产生活中非接触人机交互已经成为一种不可忽视的交互方式,尤其在当前疫情条件下,更突显了它的重要性。对人体动作进行视觉信息采集、识别、分类是这种交互方式的重要实现方法。其中基于人体骨骼点进行动作识别是一种高效的识别方式。本文对基于人体骨骼点的动作识别中的噪声问题进行了相关研究:主要包括对骨骼点模型中大量存在的噪声进行了捕获和分析,对人体动作进行预测以此克服动作缺帧,并且在现有的双流cnn网络基础上进行模型改进,增强其对噪声的抑制能力。针对骨骼点序列数据中的噪声提取问题,本文选取数据集中静物被误匹配为人体数据作为包含帧间噪声的样本,对样本做完去中心化处理后用分布统计方法和曲线拟合方法估计出噪声模型。针对帧间动作未匹配产生的部分动作缺失问题,本文通过动作数据的连贯性进行丢失帧预测,使用双向LSTM网络作为编码端,使用单层的LSTM网络作为解码端,构成编解码的预测网络。双向LSTM赋予网络时序上的双向连贯性更加利于网络提取时序特征。对比实验的结果证明应用该方法预测人体动作的误差始终小于多层LSTM网络。针对帧间噪声问题,本文在双流cnn的基础上加入残差收缩网络,根据软阈值对中心噪声抑制的特性,在光流信号端加入了软阈值去噪机制和通道注意力机制。通过引入去噪机制,该方法在现有网络的基础上提高了网络对人体动作识别的准确率,并通过多个数据集进行验证。本文基于深度学习的方法,有针对性地对人体动作信息中的噪声处理进行探究,在预估的噪声模型基础上进行了相关的加噪实验,以此验证该方法在不同噪声环境下的表现。实验说明了基于双向LSTM搭建的编解码结构在处理帧间信息的缺失问题时要优于多层LSTM,利用该方法可以有效缓解缺帧产生的对后续识别网络的影响。在对双流cnn进行改进后引入软阈值机制和通道注意力机制构成一种能够抑制噪声的特征提取网络。通过在NTU-RGB+D数据集中使用交叉视角进行验证,该方法将识别准确率提高到89.8%;使用交叉对象验证方法,该方法将识别准确率提高到84.7%;而在SBU Kinect数据集中该方法将识别准确率提高到95.9%。本文提出的方法降低了人体骨骼点动作识别中的缺帧影响和帧间噪声影响,提高了识别的准确率和有效性。

关键词：双流cnn 残差收缩网络深度学习软阈值去噪人体动作识别

基于参数优化和信号-图像的滚动轴承故障诊断

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于参数优化和信号-图像的滚动轴承故障诊断

作者：彭于维上海应用技术大学

学位级别：硕士

随着工业化进程的不断推进,工业系统中机械设备的复杂度也越来越高,同时对于设备运行的安全性要求也随之提高。滚动轴承作为工业系统中大部分机械设备的基础组件,其设计的稳定可靠对于保证工业系统的正常运转至关重要。一旦滚动轴承发... 详细信息

随着工业化进程的不断推进,工业系统中机械设备的复杂度也越来越高,同时对于设备运行的安全性要求也随之提高。滚动轴承作为工业系统中大部分机械设备的基础组件,其设计的稳定可靠对于保证工业系统的正常运转至关重要。一旦滚动轴承发生故障,整个旋转设备的性能会直接受到影响,严重者甚至会造成人员伤亡。因此,滚动轴承故障的及时、准确识别是确保工业设备安全运行的前提。针对滚动轴承实际振动数据具备的非线性和非平稳性,同时容易受外界噪声等干扰的现象。本文将信号处理的方法应用于振动信号的分析,利用相关的熵概念来评估信号所包含故障信息的有效程度,并提出一种基于讨论机制的粒子群头脑风暴优化算法(PSDMBSO)用于完成变分模态分解(VMD)参数的优化,以提高信号分解的效果。此外,考虑到实测信号过拟合和特征提取不足等问题,提出了基于马尔可夫变迁场(MTF)和时频图的信号-图像处理方法,在此基础上利用卷积神经网络(cnn)和支持向量机(SVM)组成的分类模型完成滚动轴承故障状态的识别。基于以上研究,本文提出两种用于滚动轴承故障类型的诊断模型。主要工作概括如下:(1)针对轴承振动数据的非线性调制特性,建立了基于PSDMBSO-VMD结合MTF的故障诊断模型,通过PSDMBSO-VMD对振动数据进行分解处理,根据频带熵构建频带滤波器筛选包含故障信息的本征模态分量(IMF)从而完成信号的重构,然后根据马尔可夫变迁场的概念进行信号-图像的转化,并利用cnn-SVM分类模型进行故障状态识别。(2)针对广义S变换存在尺度因子固定导致特征提取不全面的问题,提出了基于自适应广义S变换和融合卷积神经网络的故障诊断模型。通过对原始信号的分解和重构,并对重构信号进行自适应广义S变换处理得到对应的时频图,将时频图和重构信号作为融合卷积神经网络的输入,采用PSDMBSO优化的SVM作为后端分类器完成故障状态的识别。最后,利用西储大学的滚动轴承诊断数据对提出的两种诊断模型进行仿真实验和测试。此外,通过与其他多个对照方法进行了对比试验分析,证明了所提出诊断模型的有效性。

关键词：滚动轴承变分模态分解优化算法自适应广义S变换双流cnn

基于时频域分析和深度学习的机器健康检测技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于时频域分析和深度学习的机器健康检测技术研究

作者：王梦雨吉林大学

学位级别：硕士

近年来,机器健康监测和故障诊断在工业自动化和智能化生产中变得越来越重要。滚动轴承成为机械上普遍采用的旋转设备中不可或缺的部分,并在机器的工作中扮演着重要的角色。轴承的性能对旋转机械设备系统的安全性有重要影响,轴承故障可... 详细信息

近年来,机器健康监测和故障诊断在工业自动化和智能化生产中变得越来越重要。滚动轴承成为机械上普遍采用的旋转设备中不可或缺的部分,并在机器的工作中扮演着重要的角色。轴承的性能对旋转机械设备系统的安全性有重要影响,轴承故障可能会导致整个机械系统崩溃。因此,本文以滚动轴承为研究对象,分别从传统的基于信号处理的诊断方法以及基于卷积神经网络的智能故障诊断进行研究。1.共振解调是提取故障特征的常用方法,但是其带通滤波器参数的选择难度极大。快速谱峭度算法可以自动选择带通滤波器参数,但是由于噪声干扰,直接对信号使用快速谱峭度算法效果并不明显。LMD算法可以对信号进行分解,结合峭度指标和互相关系数指标对分量信号进行重构可以对原始信号进行降噪,提高信号峭度值,突出故障特征。因此本文提出了一种基于LMD降噪和快速谱峭度结合的故障诊断方法。该方法首先使用基于峭度准则和互相关系数准则的LMD算法对原始信号进行重构,以达到降噪的目的。再利用快速谱峭度选择合适的带通滤波器参数并且进行滤波,最后对滤波后的信号求平方包络以达到故障诊断的目的。第三章分别使用仿真信号和实际工程信号对该方法进行了验证。2.针对轴承振动数据中含有强烈的背景噪声以及在变工况下智能诊断方法效果不佳的问题。本文提出了一种基于小波时频图和FFT的双流cnn模型。该模型通过双通道同时获得FFT频域数据和小波时频图中的故障特征,提高特征提取的能力,进而提高了抗噪能力。并且通过在下层一维卷积中第一层卷积核采用大卷积核获得更大的感受野,以达到更好的特征提取效果。后将上层卷积提取到的二维特征数据拉平,将其与下层一维数据拼接后输入全连接层,最后使用Softmax分类器对拼接后的一维特征数据进行故障分类。该方法在变工况实验中的平均准确率可以达到97.1%,并且该方法在噪声实验中也有很好的准确率,表明该方法具有良好的故障诊断性能。

关键词：滚动轴承故障诊断 LMD 快速谱峭度算法双流cnn FFT 小波时频图

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于双流残差收缩网络的人体动作识别方法

信息技术与信息化 2022年第10期 106-110页

作者：戴江涛申静沈阳工业大学信息科学与工程学院辽宁沈阳110870

针对基于骨骼点序列的人体动作识别的去噪问题,提出在双流卷积神经网络(convolutional neural network,cnn)的基础上引入残差收缩子网,利用注意力机制实现软阈值去噪,并且结合了残差结构优化网络性能。首先,将人体骨骼的运动信息转换为... 详细信息

针对基于骨骼点序列的人体动作识别的去噪问题,提出在双流卷积神经网络(convolutional neural network,cnn)的基础上引入残差收缩子网,利用注意力机制实现软阈值去噪,并且结合了残差结构优化网络性能。首先,将人体骨骼的运动信息转换为光流信号,与原始骨骼的运动信息同时输入特征提取网络,然后为了保证卷积核获取特征的有效性需要将对骨骼点进行线性组合,接着为了保证网络的抑噪效果引入残差收缩子网,之后会对生成的特征层进行特征提取和分类,最后通过多个数据集进行验证。该文基于深度学习的方法,有针对性地对人体动作信息中的噪声处理进行探究。实验结果证明了此方法在动作识别中对于抑制噪声的有效性。

关键词：人体动作识别深度学习软阈值去噪双流cnn

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

级联H桥逆变器的多特征融合cnn故障诊断

中国测试 2020年第7期46卷 8-17页

作者：杨俊杰谢维成曹倩西华大学电气与电子信息学院四川成都610039 四川中测辐射科技有限公司四川成都610021 重庆大学自动化学院重庆400044

针对级联H桥七电平逆变器不同故障表现相似程度高以及浅层分类器难以应对高维特征输入而制约故障诊断准确性的问题,该文提出一种基于多特征融合cnn的级联H桥七电平逆变器故障诊断策略。首先,采集原始三相电流信号,并结合参考电流信号求... 详细信息

针对级联H桥七电平逆变器不同故障表现相似程度高以及浅层分类器难以应对高维特征输入而制约故障诊断准确性的问题,该文提出一种基于多特征融合cnn的级联H桥七电平逆变器故障诊断策略。首先,采集原始三相电流信号,并结合参考电流信号求取电流偏差信号;其次,多尺度主元分析(multi-scale principal component analysis,MSPCA)算法通过将变分模态分解与主元分析相结合筛选故障信息存在的尺度分量,并将得到的各尺度分量直接重构作为高维时域特征输入,对得到的各尺度分量进行希尔伯特黄(HHT)变换,提取边际谱作为高维时频域特征输入;最后,将上述两种特征作为双通道cnn模型的输入进行训练,建立最终的多特征融合cnn故障诊断模型。结果表明:所提方法的故障诊断准确率达到95%,相较于单一特征与浅层分类器相结合的故障诊断策略,具有更高的识别率和更强的适应性,可为基于电信号的高相似度故障的分类识别提供一定参考。

关键词：级联H桥七电平逆变器故障诊断多尺度主元分析双流cnn 多特征融合

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于深度学习的端到端自动驾驶方法研究

基于深度学习的端到端自动驾驶方法研究

作者：朱孟如山东大学

学位级别：硕士

自动驾驶是人工智能领域研究的热点和前沿。自动驾驶技术是对人类驾驶员在长期驾驶实践中,对“环境感知—决策与规划—控制与执行”过程的理解、学习和记忆的物化。目前,自动驾驶技术已成为整个汽车产业的最新发展方向。应用自动驾驶技... 详细信息

自动驾驶是人工智能领域研究的热点和前沿。自动驾驶技术是对人类驾驶员在长期驾驶实践中,对“环境感知—决策与规划—控制与执行”过程的理解、学习和记忆的物化。目前,自动驾驶技术已成为整个汽车产业的最新发展方向。应用自动驾驶技术可以提升汽车驾驶的安全性、舒适性,满足更高层次的市场需求等。在此背景下,本文基于深度学习,针对自动驾驶典型方法之一,端到端控制的自动驾驶技术进行研究。首先构建了一个传统的基于单流cnn的端到端控制的自动驾驶算法模型,对单流cnn实现的端到端自动驾驶进行了验证分析。在单流cnn模型输入部分,采取了将单帧RGB图像输入和3帧RGB图像堆叠输入两种方式,模型输出为根据图像所预测的转向角,实验发现采用3帧RGB图像进行输入的方式预测精度得到显著提高。在此基础上,受时间信息的启发,本文又构建了双流cnn模型,将卷积神经网络的输入分为两部分,一个流的输入为3帧RGB图像,另一个流输入由3帧图像产生的2帧光流图,并在数据集上进行了验证和测试,实验发现双流cnn模型相比单流cnn模型在预测精度上有所提升。同时,在本文的实验测试中,为了提升训练效果,贯穿了数据增强和防止过拟合等优化神经网络的方法。本文所设计的端到端自动驾驶算法可以在真实场景下进行高效的数据采集和测试,避免了间接映射型方法的复杂系统结构。为了验证在实际应用中的算法有效性,本文设计了一个基于树莓派平台的智能小车,对本文中的自动驾驶相关算法进行仿真实验。智能车可以在模拟道路中进行数据采集和自动标注,考虑到运算速度,采用单流cnn模型进行训练。测试时智能车将车载摄像头实时采集的图像传输到服务器,输入神经网络模型,模型预测出行进动作,将动作指令发送到树莓派,通过树莓派控制电机驱动实现对智能小车的连续控制,完成智能车的自动驾驶。

关键词：自动驾驶端到端深度学习双流cnn 微缩智能车

基于多特征融合cnn的级联H桥七电平逆变器故障诊断

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多特征融合CNN的级联H桥七电平逆变器故障诊断

作者：杨俊杰西华大学

学位级别：硕士

并网型光伏逆变器作为光伏并网发电系统中的关键部分之一,其低故障率、低维护成本对光伏产业的发展举足轻重。级联多电平逆变器作为由级联H桥构成的一种重要拓扑,具有电压高、容量大与拓展性强等特点,现已成为逆变器领域的研究重点。然... 详细信息

并网型光伏逆变器作为光伏并网发电系统中的关键部分之一,其低故障率、低维护成本对光伏产业的发展举足轻重。级联多电平逆变器作为由级联H桥构成的一种重要拓扑,具有电压高、容量大与拓展性强等特点,现已成为逆变器领域的研究重点。然而,级联H桥多电平逆变器由多个级联H桥级联组成,其内部绝缘栅双极型晶体管数量相比于传统低电平逆变器明显增多,而一旦绝缘栅双极型晶体管发生故障,输出三相电压不均衡,将会对系统造成严重影响。研究适用于级联H桥多电平逆变器的故障诊断与故障定位方法,具有提升光伏并网发电系统的安全稳定性及保证发电效率的重大意义。现有逆变器故障诊断方法主要集中于单一特征加浅层分类器的方法。针对级联H桥多电平逆变器不同故障表现相似程度高以及浅层分类器难以应对高维特征输入而制约故障诊断准确性的问题,提出从特征提取与故障诊断两个层面出发进行改善。（1）特征提取（1）时域特征提取:采集原始三相电流信号,采用改进的多尺度主元分析法筛选故障信息存在的尺度分量并进行重构,获取表征故障特性的高维时域信号特征。相比于传统时域信号,重构获取的时域信号信噪比更高,冗余干扰信息更少,有利于提升后期故障诊断的准确率。（2）时频域特征提取:将筛选所得的各尺度分量进行希尔伯特黄变换,提取边际谱作为表征故障特性的高维时频域信号特征。（2）故障诊断（1）针对浅层分类器难以应对高维特征输入而制约故障诊断准确性的问题,提出基于cnn的级联H桥多电平逆变器故障诊断方法,并与现有常用的浅层分类方法进行对比,结果验证了其优越性。（2）针对级联H桥多电平逆变器不同故障表现相似程度高且单一特征区分能力有限的问题,结合信息融合的思想,将上述提取两种特征作为双通道cnn模型的输入进行训练,建立多特征融合cnn故障诊断模型。对比分析结果表明:所提时域和时频域特征提取方法相比于传统时域和时频域特征提取方法,更有利于表征故障特性提升故障诊断准确率;所提多特征融合cnn故障诊断方法的故障诊断准确率达到95%,相较于单一特征与浅层分类器相结合的故障诊断策略,具有更高的识别率和更强的适应性。

关键词：级联H桥七电平逆变器故障诊断多尺度主元分析双流cnn 多特征融合